在 Tensorflow 2.0 中使用 GradientTape() 和 jacobian() 时出错

Posted 2023-02-16

【中文标题】在 Tensorflow 2.0 中使用 GradientTape() 和 jacobian() 时出错

【英文标题】：Error when working with GradientTape() and jacobian() in Tensorflow 2.0

【发布时间】：2020-04-22 23:49:17

【问题描述】：

我正在使用 Python 中的 Tensorflow 2.0 中的 GradientTape() 和 jacobian()。

这段代码执行得很好：

x = tf.Variable(2.0, dtype=tf.float32)
with tf.GradientTape() as gT:
    gT.watch(x)
    g = tf.convert_to_tensor([x, 0.0], dtype=tf.float32)
dg = gT.jacobian(g, x)

但是这段代码坏了：

x = tf.Variable(2.0, dtype=tf.float32)
with tf.GradientTape() as gT:
    gT.watch(x)
    gv = tf.Variable([x, 0.0], dtype=tf.float32)
    g = tf.convert_to_tensor(gv , dtype=tf.float32)
dg = gT.jacobian(g, x)

并抛出错误：

InvalidArgumentError：您必须使用 dtype int32 为占位符张量“loop_body/Placeholder”提供一个值 [[node loop_body/Placeholder（定义在...Anaconda3\lib\site-packages\tensorflow_core\python\framework\ops.py:1751）]] [Op:__inference_f_995]

模块中的回溯（最近一次调用最后一次）ipython-input-32-686c8a0d6e95 4       gv = tf.Variable([x, 0.0], dtype=tf.float32) 5       g = tf.convert_to_tensor(gv , dtype=tf.float32) ----> 6      dg = gT.jacobian(g, x)

为什么第一个代码有效，而第二个代码无效？

【参考方案1】：

原因很简单，

在第一个例子中，你得到了

g = tf.convert_to_tensor([x, 0.0], dtype=tf.float32)

并且计算 dg/dx 和 g 与 x 有直接关系并且工作正常。

但在第二个例子中，

gv = tf.Variable([x, 0.0], dtype=tf.float32)
g = tf.convert_to_tensor(gv , dtype=tf.float32)

g 和x 之间不再有任何联系，因为当你打电话时，

gv = tf.Variable([x, 0.0], dtype=tf.float32)

它只是从x 复制值并且不携带对x 的引用，所以你不能得到派生dg/dx。但如果你尝试dg/d(gv)，它会起作用。

PS：虽然我没有收到错误消息（对于您的第二个示例）。我刚收到None。